Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userPower Factor Correction Using Artificial Neural Networks
تحسين عامل الاستطاعة باستخدام الشبكات العصبونية
1840
2 121
0
(
0
)
Authors
احمد صالح( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
يقدم هذا البحث تقنية جديدة لتحسين عامل الاستطاعة بالاعتماد على الشبكات العصبونية الاصطناعية. حيث يتم التحكم بمحرك متواقت عن طريق متحكم عصبوني للتعامل مع مشكلة تعويض الاستطاعة الردية للنظام، و ذلك بهدف تحسين عامل الاستطاعة. تم في هذا البحث نمذجة النظام الكهربائي و المتحكم العصبوني باستخدام برنامج ماتلاب، و قد بينت النتائج أن هذه الطريقة قد تغلبت على المشاكل التي تحدث عند استخدام الطرق التقليدية (استخدام المكثفات الساكنة)، كالتأخير الزمني و التغيرات الخطوية في تعويض الاستطاعة الردية، بالإضافة إلى السرعة بالمقارنة مع التعويض باستخدام المكثفات.
This paper presents a new technique based on artificial neural networks (ANNs) to correct power factor. A synchronous motor controlled by the neural controller was used to handle the problem of reactive power compensation of the system, in order to correct power factor. In this paper, the electrical system and the neural controller were simulated using MATLAB. The results have shown that the presented technique overcomes the problems in conventional compensators (using static capacitors) such as time delay and step changes of reactive power besides to the fast compensation compared to the technique with capacitors groups.
Artificial intelligence review:
Research summary
يقدم هذا البحث تقنية جديدة لتحسين عامل الاستطاعة باستخدام الشبكات العصبونية الاصطناعية. يتم التحكم بمحرك متواقت عن طريق متحكم عصبوني للتعامل مع مشكلة تعويض الاستطاعة الردية للنظام، بهدف تحسين عامل الاستطاعة. تم نمذجة النظام الكهربائي والمتحكم العصبوني باستخدام برنامج MATLAB، وأظهرت النتائج أن هذه الطريقة تتفوق على الطرق التقليدية مثل استخدام المكثفات الساكنة من حيث تقليل التأخير الزمني والتغيرات الخطوية في تعويض الاستطاعة الردية، بالإضافة إلى السرعة في الأداء. تعتمد الطريقة على تدريب المتحكم العصبوني باستخدام بيانات مختلفة للأحمال، مما يمكنه من تقديم تعويض سريع ودقيق للاستطاعة الردية، وبالتالي تحسين عامل الاستطاعة إلى قيم قريبة من الواحد. يشير البحث إلى أن استخدام المتحكم العصبوني يمكن أن يزيل المشاكل الميكانيكية والتوافقيات والتأخير الزمني المرتبطة بالطرق التقليدية، مما يعزز استقرار النظام الكهربائي وكفاءته.
Critical review
دراسة نقدية: يعتبر البحث خطوة مهمة نحو تحسين كفاءة الأنظمة الكهربائية باستخدام تقنيات الذكاء الاصطناعي. ومع ذلك، يمكن الإشارة إلى بعض النقاط التي قد تحتاج إلى مزيد من التوضيح أو التحسين. أولاً، لم يتم التطرق بشكل كافٍ إلى التحديات المحتملة في تطبيق هذه التقنية على نطاق واسع في الأنظمة الكهربائية الحقيقية. ثانياً، قد يكون من المفيد تقديم مقارنة أكثر تفصيلاً بين أداء المتحكم العصبوني والطرق التقليدية في ظروف تشغيل مختلفة. أخيراً، يمكن تعزيز البحث من خلال تقديم دراسات حالة عملية أو تجارب ميدانية لتأكيد فعالية النظام المقترح في بيئات تشغيل حقيقية.
Questions related to the research
-
ما هي التقنية الجديدة التي يقدمها البحث لتحسين عامل الاستطاعة؟
التقنية الجديدة تعتمد على استخدام الشبكات العصبونية الاصطناعية للتحكم بمحرك متواقت لتعويض الاستطاعة الردية وتحسين عامل الاستطاعة.
-
ما هي الفوائد الرئيسية لاستخدام المتحكم العصبوني مقارنة بالطرق التقليدية؟
الفوائد الرئيسية تشمل تقليل التأخير الزمني، تجنب التغيرات الخطوية في تعويض الاستطاعة الردية، والسرعة في الأداء مقارنة باستخدام المكثفات الساكنة.
-
كيف تم اختبار فعالية المتحكم العصبوني في البحث؟
تم اختبار فعالية المتحكم العصبوني من خلال نمذجة النظام الكهربائي باستخدام MATLAB وتدريب المتحكم على بيانات مختلفة للأحمال، ثم اختبار أدائه في تحسين عامل الاستطاعة.
-
ما هي التحديات التي قد تواجه تطبيق هذه التقنية في الأنظمة الكهربائية الحقيقية؟
التحديات قد تشمل التكيف مع ظروف التشغيل المختلفة، التكلفة العالية للتطبيق على نطاق واسع، والحاجة إلى دراسات حالة عملية لتأكيد فعالية النظام في بيئات تشغيل حقيقية.
References used
MILLER, T. J. Reactive Power Control in Electric Systems. 2nd. ed. John Willey &Sons, Inc New York & London, 1982, 381
MEIER, A. Electric Power Systems: A Conceptual Introduction (Wiley Survival Guides in Engineering and Science). s.l. Wiley - IEEE Press, 2006
BARKER, S. Power Management Solutions Exploring Hidden Cost Opportunities, Siemens, UK, 2010
rate research
Read More
In this paper, we presented a scientific methodicalness in
very short term load forecasting depends on back propagation
artificial neural networks, and we relied upon real data of Syrian
electrical power system.
In this research, We present a scientific advanced developed
study and keeping up with new studies and technologies of very
short-term electrical load forecasting and applying this study for
electrical load forecasting of basic Syrian electrical p
ower system
by studying this prediction for next four hours according to the
criterion applied in the Syrian Electricity Ministry with ten minutes
intervals ,we call it "Instant electrical load forecasting".
This paper shows a new approach to determine the presence of defects and to classify the defect type online based on Artificial Neural Networks (ANNs) in electrical power system transmission lines. This algorithm uses current and voltage signals samp
led at 1
KHz as an input for the proposed ANNs without the involvement of a moving data window, so input data will be processed as a string of data. The model depends on three neural networks one for each phase and another fourth neural network for the involvement of the ground during the fault. Response time of the classifier is less than 5 ms. Moreover modern power system requires a fast, robust and accurate technique for online processing.
Simulation studies show that the proposed technique is able to distinguish the fault type very accurate. Also this technique succeeded in determining of all defect types under all system conditions, so it is 100 percent accurate, so it is suitable for online application.
The contribution of our research include building an artificial neural
network in MATLAB program environment and improvement of
maximum loading point algorithm, to compute the most critical
voltage stability margin, for on-line voltage stability a
ssessment,
and a method to approximate the most critical voltage stability
margin accurately. a method to create a (ARTIFICIAL NEURAL
NETWORK) approach.
A reliable and continuous supply of electrical energy is necessary for the functioning
of today’s complex society. Because of the increasing consumption and the extension of
existing electrical transmission networks and these power systems are oper
ated closer and
closer to their limits accordingly the possibilities of overloading, equipment failures and
blackout are also increasing, furthermore, we have an additional obstacle which is that
electrical energy cannot be stored efficiently, so, electrical energy should be generated only
when it's needed.
Due to the fact that world is facing a lack of oil reserves and the difficulties related to
have alternative sources to generate electrical power, then, electrical load forecasting is
considered as a crucial factor in electrical power system either from economical or
technical point of view on both planning and operating levels.
This research introduces a short term electrical load forecasting system by using
artificial neural networks with a simulation in Matlab environment in addition to an
interface for the system and all that is depending on previous load data and weather
parameters in Tartous province.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
